改进YOLOv11的无人机航拍小目标检测算法
来源：计算机工程与应用杂志2026年第2期北京时间：
作者：景婷婷, 曹玉东, 陈鑫, 王冬霞
单位：1.辽宁工业大学 电子与信息工程学院，辽宁 锦州 121001；2.天津职业技术师范大学 自动化与电气工程学院，天津 300222；
摘要：无人机航拍图像中小目标的占比高，机载平台资源有限，导致现有的检测模型性能较弱，难以在检测性能和资源消耗之间取得良好的平衡。为了缓解上述问题，提出一种改进的YOLOv11模型。构建MDPE模块作为主干网络的注意力模块，通过引入动态通道分割策略和轻量级平滑网络，实现特征资源自适应分配与局部细节增强；设计DAFI模块替换颈部网络中的特征融合模块，通过特征增强模块结合双动态加权机制，增强算法对目标空间分布的感知能力；在检测头的回归分支中嵌入区块化动态对齐卷积，实现特征图的自适应对齐和融合，提高模型对不同尺度目标的检测能力；引入长宽比差异项，并结合小目标权重调整机制，设计ARSIoU损失函数，提升模型对小目标的定位精度与边界框回归效率。在VisDrone2019数据集上的实验表明，改进后的模型相较于原始YOLOv11模型，在精确率、召回率、mAP@50性能指标上分别提升3.5、1.9、3.2个百分点，适用于复杂场景下的无人机航拍小目标检测应用。
关键词：小目标检测,多尺度特征融合,多维度注意力
基金资助：国家自然科学基金面上项目（12371363）；辽宁省自然科学基金（2025-MS-163）；辽宁省教育厅高等学校基本科研项目（JYTMS20230861）。
